butubb
2112c1a870
移植自 mac-agent-os 的 mediacrawler_adapter：不起子进程、不开页面，用浏览器里那份
登录态直接调抖音 Web 接口。产物键名照抄 store/douyin，所以 ingest 那条链路一个字不用改。
**目前能用的（真环境实测，非推断）**：
profile/other : 200, 7075 字节 —— 博主主页指标（粉丝/获赞/作品数/昵称）
aweme/detail : 200, 45425 字节 —— 单条作品详情（含点赞/评论/收藏/分享）
**目前不能用的：作品列表 `aweme/post`。** 两个互相独立的原因：
1. 这个接口被抖音单独升级成了真校验：不带 x-tt-argus 回 403「Uifid Not Found」，
带上 dummy 值回 200 + **空 body**。也就是说「头在不在」骗得过，「真校验」过不了。
同一套头打 profile/other 和 aweme/detail 都是通的 —— 抖音是挑着接口加保护的，
挑中的恰好是「批量拉作品列表」这个最敏感的动作。
2. 改走页面截获也不行：CDP 浏览器打开博主主页会落到「验证码中间页」（当天大量探测的
代价，过几小时要重测）。
所以现在的边界是：**已知作品的指标刷新能做，自动发现新作品做不了**。
**排查中控住变量后得到的两条事实**（都写进注释了）：
· `Accept` / `Accept-Language` / `Referer` 才是主页接口能返回真数据的原因 —— 只有
UA+client hints+Cookie 时是 200 但仅 121 字节的空壳，补上这三个头变 7074 字节。
（我先前猜的 sec-ch-ua 不是关键。）
· 因此 UA 与 client hints 必须**成套地取自同一个浏览器**，所以 BrowserIdentity 一次
从 CDP 取齐 cookie + UA + hints，而不是各自写死。
「200 + 空 body 必须当场报错」也是刻意写死的：放过去它会在下游变成「这个博主没作品」，
把一次失败伪装成一条正常结果 —— 爬虫那条路正是这么栽的，还被翻译成「账号被封」。
测试 +11：cookie 解析、请求头成套性（含 uifid 缺失/回退）、产物键名与 store 对齐、
以及 _get 的三条失败路径（空 body / 403 带网关原话 / 正常返回）。
3.5 KiB
3.5 KiB
AVE 视频工厂 — 策略体系 v1.0
最后更新: 2026-05-09 | 版本: v1.0
概述
将视频生产按策略分类, 每种策略有独立的输入/处理/输出管线。 生成时只需选择策略 + 提供内容素材, 系统自动路由到对应管线。
策略一览
① 口播策略 (当前可用 ✅)
| 项目 | 内容 |
|---|---|
| 输入 | 文案脚本 (YAML/TXT) |
| 核心流程 | 文案→CosyVoice TTS→Pexels素材搜索→mlx-audiocraft BGM→BGM避让→锚点画面切换→精确字幕→(可选)数字人片头片尾 |
| CLI | python main.py generate --script xxx.yaml --bgm xxx.wav --duck --anchor-transitions |
| 适用场景 | 知识分享、励志金句、故事讲述、教程讲解 |
| 输出 | 40-60s 竖屏视频, 1080p |
| 依赖 | 阿里云百炼(CosyVoice), Pexels, 火山引擎(OmniHuman 可选) |
② 卡点策略 (待开发 🔧)
| 项目 | 内容 |
|---|---|
| 输入 | BGM + 图片/视频素材列表 |
| 核心流程 | BGM→librosa节拍检测→按4拍/8拍分组→素材分配→拍点切换→xfade过渡→文字叠加 |
| CLI | python main.py beat-sync --bgm xxx.wav --images img1.jpg img2.jpg |
| 适用场景 | 卡点视频、节奏混剪、照片 Slideshow |
| 关键能力 | librosa beat_track 检测拍点; FFmpeg xfade ≤8段过渡 |
| 已知限制 | xfade 链 >10段 FFmpeg 崩溃, 需分组 ≤8段 |
③ 数字人策略 (部分可用 🔧)
| 子策略 | 能力 | API | 状态 |
|---|---|---|---|
| OmniHuman | 头像图片 + 音频 → 对口型视频 | 火山引擎 CV API | ✅ 可用 |
| DreamActor M1 | 照片 + 参考视频 → 动作模仿 | 火山引擎/即梦 API | 🔧 待接入 |
| 动作模仿流程 | 找参考视频 → 上传照片 → 提交 DreamActor → 下载结果 | — | 🔧 |
④ 模板策略 (调研中 🔍)
| 项目 | 内容 |
|---|---|
| 目标 | 程序化生成剪映草稿, 利用剪映模板/渲染能力 |
| 候选工具 | • pyJianYingDraft (Python 生成剪映草稿) • cutcli (剪映草稿 CLI) • CapCutAPI (完整剪映编程接口) |
| 思路 | AVE 生成草稿文件 → 剪映打开/CLI渲染 → 得到最终视频 |
| 优势 | 可复用剪映的丰富模板和特效 |
| 风险 | 剪映版本更新可能导致草稿格式变更 |
实施路线
P1: 卡点策略 (beat-sync) ✅ 已完成
├─ BGM 节拍检测器 (librosa)
├─ 拍点→素材调度器
├─ xfade 拍点过渡
└─ CLI 子命令
P2: DreamActor M1 接入 ✅ 已完成
├─ 参考视频上传 (Gitee中转仓库)
├─ 动作模仿 API 封装
├─ 结果下载 + 缓存
└─ 集成到数字人策略
P3: 视频工厂 CLI ⏳ 待开始
├─ 策略路由: video-factory --strategy 口播/卡点/数字人/模板
├─ 统一输入接口
└─ 进度报告
P4: 剪映模板集成 🔍 调研中
├─ pyJianYingDraft 调研
├─ 草稿生成器
├─ CLI 渲染
└─ 模板市场
API 依赖汇总
| 服务 | 用途 | 费用 | 状态 |
|---|---|---|---|
| 阿里云百炼 CosyVoice | TTS 人声合成 | 按量 | ✅ |
| Pexels | 视频素材搜索 | 免费(200次/h) | ✅ |
| 火山引擎 CV/即梦 | OmniHuman 数字人 | 按量 | ✅ |
| 火山引擎 即梦 | DreamActor M1 动作模仿 | 按量 | 🔧 |
| mlx-audiocraft | 本地 AI BGM 生成 | 免费 | ✅ |
| 剪映 (本地) | 模板渲染 | 免费 | 🔍 |